概率样本和非概率样本的特征

今天，世界的需求在增加，因此，我们有责任适应和生存世界的变化。在商业领域，仅拥有有关管理的知识是不够的，但是由于竞争激烈，我们必须能够处理无限的主题并加以发展。

在接下来的工作中，开发了概率和非概率抽样主题，以便向需要以简单方式支持或学习更多有关该主题的用户提供质量信息，该信息可用于各个研究领域仅一提，商业环境。

非概率抽样概率性

仅仅做某件事是不够的，很多时候，您需要知识和做出贡献的愿望，以便每次提出更高的要求。我们是思想和有意识的人，因此我们必须对自己和周围的人负责。

如您所见，这项工作是从概率论和统计课上所讨论的主题，从商务角度准备的，在该学位中，拥有必要的知识以面对世界和人类非常重要。

采样

这是从特定人群中选择一组个体以研究他们并表征总人口的过程。

这是采样的两个基本术语：

宇宙或人口：这是我要研究或表征的个体总数样本：这是我选择研究（例如通过调查）的一组宇宙个体。

采样的优势

除了减少了使用的资源之外，它还对进行研究的时间和成本进行了概括，大大简化了数据的操作。

采样的缺点

由于抽样的本质和对结果的概括性需求，我们在结果中引入（受控）误差，由于样本选择不当，我们有引入偏差的风险。（2009年1月）

概率抽样

只要满足两个条件，就将讨论概率抽样：

要在样本中选择总体元素，必须要有大于零的概率，并且对每个元素的概率都有确切的了解。

如我们所见，只有拥有采样帧，我们才能进行概率采样。随后，用于选择样本的表格定义了不同的概率抽样技术，如下所示。

简单的随机采样

的简单随机抽样（MAS）这是在其中所有元素形成宇宙和在样本帧中详述同样可能被选择用于样品的取样技术。

在简单随机抽样中，有两个细分，这是根据在样本中可以多次选择宇宙个体的可能性来定义的，即替换或不替换的MAS。

如果使用替换，则在为样本随机选择一个人时，在随后的选择中再次选择他并不重要。

如果不使用补货，一次为样本选择的个人将不再再次进入工程图。

以下表达式用于MAS中的样本大小，无需替换。该公式将Universe有限时所需的样本大小与Universe无限时所需的样本大小联系起来：

其中n0是无限宇宙所需的样本大小，而N是有限宇宙的大小。有可能证明，当我们使用替换（nr）时，样本大小始终等于无限宇宙所需的大小（nr = n0）。

简单随机采样的优势

快速可靠，因为目前有软件可以在选择人员时减少工作量，从而使工作更可靠。

这样，在使用MAS时，我们确保获得代表性的样本，这样会影响结果的唯一误差源就是机会。

简单随机采样的缺点

在实际调查中难以将其付诸实践。作为一种概率技术，所有个体都需要一个采样框架，并且所有样本都可以选择。

分层随机抽样

“这项技术属于概率抽样族，它包括将整个研究人群分为不同的亚组或不相交的阶层，因此一个人只能属于一个阶层。一旦定义了层次，就可以选择个人使用每种层次的任何采样技术分别创建样本。例如，如果我们在每个层中使用简单的随机抽样，那么我们将讲分层随机抽样（以下简称MAE）。阶层通常是个人的同质群体，而不同群体之间又是异质的。

根据人口的某些特征变量（例如年龄，性别，社会阶层或地理区域）定义阶层是相对常见的。这些变量使得样本可以很容易地分为相互排斥的组，并且经常出现，从而可以在人群中区分不同的行为……”（2009年1月）

分层抽样的类型

根据分配给层次的维度，我们将讨论不同类型的分层抽样。习惯上讨论在样品中“固定”样品的不同方法。

提供分层抽样

“当我们选择个体的特征来定义阶层时，通常会发生宇宙中最终亚群的大小不同的情况。

均匀分层抽样

当我们为所有定义的阶层分配相同的样本量时，我们将讨论统一分配，无论这些阶层在总体中所占的权重如何。

最佳分层抽样

在这种情况下，样本中地层的大小将与总体不成比例。相反，地层的大小与研究变量的标准偏差成正比。换句话说，在内部变异性较大的地层中采用较大的地层，以便更好地代表总样本中最难研究的人群……”（Jan，2009）

系统采样

它是一种技术，包括从总体中随机选择某个主题，然后为样本选择采样帧中每n个人可用的样本。

系统采样是一个非常简单的过程，只需要随机选择一个人即可。我们获得的结果代表了总体，这种类型的样本很少使用。

系统采样的过程如下。

系统采样过程

“我们列出了人口中N个个体的有序列表，这就是抽样框架。我们将抽样框架分为n个片段，其中n是我们想要的样本数量。这些片段的大小将为K = N / n

其中K称为间隔或高程系数。

起始数字：我们获得一个小于或等于间隔的整数随机数A。此数字将对应于我们将在划分种群的第一个片段中为样本选择的第一个主题。其余n-1个个体的选择：我们通过算术连续从随机选择的个体中选择了以下个体，从其余的片段中选择了这些个体，在这些片段中，我们划分了与初始对象位置相同的样本。这相当于说我们将选择个人……”（2009年1月）

A，A + K，A + 2K，A + 3K，…。，A +（n-1）K

系统采样的优势

由于不需要生成样本中的许多随机数和主题，因此它可以很好，快速，简单地代表人口，从而保证我们可以公平地选择要研究的人口。

企业抽样

整群抽样是一种基于要分析的组的技术，该组可以正确表示与我们要测量的特征相关的总人口。

整体采样过程

定义聚类，选择一个特征，该特征允许将人群完全划分为不同的组，选择要研究的聚类，调查属于聚类的主题。

选择一个聚类进行研究要比制作随机或系统样本便宜。

企业集团之间并不是真正的同质。

非概率抽样

在许多情况下，必须使用非概率组中的其他采样技术。在这些替代技术中，通常采用基于与目标人群有关的假设为样本选择元素的方法，这称为选择标准。

非概率样本可以告诉我们宇宙是什么样的，但不能让我们以什么精度知道：我们无法建立误差范围和置信度水平。

简单采样

顾名思义，由于该技术可访问，因此它是关于选择总体样本的。换句话说，选择将为研究做出贡献的个人是因为他们容易获得，而不是因为他们是根据统计标准选择的，尽管这不允许对研究人群进行一般性陈述。

便利采样的优势

“由于要分析的元素愿意与研究合作，因此除了获得其原因之外，更容易获得真实的数据。

便利采样的缺点

缺乏代表性，无法对结果进行统计陈述以及由于使用的采样标准而导致偏差的风险。在最坏的情况下，我方便的样本可能会对总人口产生系统性偏见，这会产生失真的结果……”（2009年1月）

顺序采样

顺序采样是一种非概率采样技术，其中选择要研究的主题或组，在一定的时间间隔内选择它们，进行研究，分析结果，然后选择另一组主题，如有必要。

报价抽样

配额采样包括三个步骤

将研究中的人群进行细分，将它们详尽地和相互地分为几类。设置配额的大小。每个组中要调查的个人数量。参加者的选择和费用核实。要求参加者支付每项确定的费用。

配额抽样的优势

它显示的结果非常有用，而且价格便宜且可靠。

配额采样的缺点

“不可能限制我们在使用这种类型的采样时所犯的错误。在研究中缺少相关配额的风险。” （2009年1月）

这是一种非概率抽样技术，其中，选择接受研究的个人平均招募其他参与者进行研究。它之所以被冠以“雪球”之名，恰好是因为它像落下的雪球一样，在所讨论的对象之间聚集了更多的材料。

雪球经常用于无法轻易到达的人群。在需要研究特定人群的研究中，通过相同人群的成员获得样本可能比通过纯随机选择的方法更为有效，在纯随机选择中，将丢弃大量的个人候选人。

扫雪球采样过程

“使用雪球创建样本的过程是基于使用一些初始个人的社交网络来访问组的。我们可以将该过程分为以下步骤：

定义一个参与计划，该计划描述一个人邀请或推荐其他人参与的过程，确定可以促进接触符合该研究特征的初始个人的团体或组织。初步接触并要求他们参与。这部分与传统的抽样技术类似，但目的是减少样本量。访谈结束后请求访问其他联系人。通过正确选择个人来确保联系人的多样性。首字母缩写，并提倡该建议不仅限于非常密切的联系。” （2009年1月）